推荐链接：
    总结——》【Java】
    总结——》【Mysql】
    总结——》【Redis】
    总结——》【Kafka】
    总结——》【Spring】
    总结——》【SpringBoot】
    总结——》【MyBatis、MyBatis-Plus】
    总结——》【Linux】
    总结——》【MongoDB】
    总结——》【Elasticsearch】

一、概念

AHI = Adaptive Hash Index = 自适应哈希索引
InnoDB存储引擎内部自己去监控索引表，如果监控到某个索引经常用，那么就认为是热数据，然后内部自己创建一个hash索引，称之为自适应哈希索引。创建以后，如果下次又查询到这个索引，那么直接通过hash算法推导出记录的地址，直接一次就能查到数据，比重复去B+tree索引中查询三四次节点的效率高了不少。
AHI是 InnoDB 存储引擎的一种索引优化技术，它可以根据访问模式实时地调整和优化哈希索引结构，提高查询速度和效率。AHI 运行时会动态调整它的大小，以便于它能够容纳正在访问的数据块的索引，并且自动调整索引的深度，以便于在存储数据块很多的情况下仍然能够保持高效的查询性能。
AHI 的分区个数是由 InnoDB 存储引擎内部计算和调整的，通常取决于数据库的访问热度、数据量、CPU 和内存等资源的使用情况。在大多数情况下，用户不需要手动地设定或调整 AHI 的分区个数，而是让 InnoDB 自行管理和优化。

-- 是否开启自适应哈希索引功能，默认值ON开启
show VARIABLES like 'innodb_adaptive_hash_index';

-- 开启
SET GLOBAL innodb_adaptive_hash_index = ON;

-- 关闭
SET GLOBAL innodb_adaptive_hash_index = OFF;

二、示例

1、根据索引字段值，生成对应的HashCode
2、基于HashCode，映射对应的磁盘地址

三、优点

1. 只支持等值查询（因为在查询数据的时候要根据键值计算哈希码）
2. 时间复杂度是 O(1)，查询速度比较快

四、缺点

1. 不支持范围查询（> < >= <= between and）
2. 不支持排序（数据不是按顺序存储）
3. 不支持部分索引（联合索引将几个字段合并hash）
4. 字段重复值很多的时候，会出现大量的哈希冲突（采用拉链法解决），效率会降低。

五、哈希函数

采用除法散列方式

六、如何解决hash碰撞/冲突

1、链表法

2、开放寻址